分布シフト下における堅牢なECG分析のための因果生理学的表現学習

本論文は、ECG診断のための深層学習モデルが、特に生物学的形態を模倣した敵対的攻撃に対して脆弱であるという問題に対処しています。 効率を犠牲にすることなく堅牢性を向上させるために、因果生理学的表現学習（CPR）という新しいアプローチを提案しています。 中核となるアイデアは、構造的因果モデル（SCM）を利用して、不変の病理学的特徴を非因果的アーティファクトから分離し、より堅牢で解釈可能なECG分析を実現することです。

• •堅牢なECG分析のための新しい方法であるCPRを提案。
• •CPRは、因果的特徴と非因果的特徴を分離するために、構造的因果モデル（SCM）を使用。
• •CPRは、敵対的攻撃に対する堅牢性において、既存の方法を上回り、効率性も維持。
• •CPRは、堅牢性、効率性、臨床的解釈可能性の優れたトレードオフを提供する。